TCL语音数据标注与分析实习生

1.语料数据收集处理与标注：参与社交场景的文本对话语料收集、清洗和标注工作；协助 LLM、TTS 语音数据的处理、分类和质量评估；设计并执行语料标注规范，确保数据质量；协助寻找音源，能够使用AI工具合成音频数据。 2.模型评测与质量控制：参与大模型输出结果的人工评测和质量分析；执行语料质量检查流程，确保标注准确性；协助建立评测标准，参与模型输出质量评估。 3.数据分析与报告：记录并分析标注过程中的问题和改进点；撰写数据处理和评测报告。

1、多模态数据处理与标注 根据机器人项目需求，对多种类型的数据（文本、图像、音频等）进行高质量标注与分类，确保数据的准确性与一致性；参与多模态数据（语音、图像、动作轨迹等）清洗、筛选与结构化处理，优化数据质量，为模型训练提供可靠的输入。 2、数据质量评估与优化 设计并执行数据质量评估流程，发现并解决数据中的问题；提出数据标注流程的优化建议，提升标注效率与质量。 3、模型反馈与迭代支持 与算法工程师协作，分析模型训练结果，识别数据中的潜在问题并提出改进方案；根据模型需求，参与数据集的扩充与多样化处理，支持模型性能的持续优化。 4、跨部门协作 与产品、算法及工程团队紧密合作，理解业务需求，确保数据标注与处理符合项目目标；参与团队内部的知识分享与培训，对AI及具身智能技术有更进一步的了解。

1、多模态数据处理与标注 根据机器人项目需求，对多种类型的数据（文本、图像、音频等）进行高质量标注与分类，确保数据的准确性与一致性；参与多模态数据（语音、图像、动作轨迹等）清洗、筛选与结构化处理，优化数据质量，为模型训练提供可靠的输入。 2、数据质量评估与优化 设计并执行数据质量评估流程，发现并解决数据中的问题；提出数据标注流程的优化建议，提升标注效率与质量。 3、模型反馈与迭代支持 与算法工程师协作，分析模型训练结果，识别数据中的潜在问题并提出改进方案；根据模型需求，参与数据集的扩充与多样化处理，支持模型性能的持续优化。 4、跨部门协作 与产品、算法及工程团队紧密合作，理解业务需求，确保数据标注与处理符合项目目标；参与团队内部的知识分享与培训，对AI及具身智能技术有更进一步的了解。

日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Data语音团队致力于语音/音频/音乐相关的AI核心技术研发和产品创新。部门支撑音频和多模态内容从生产、编辑到消费的全流程，赋能内容创作和互动，并以中台形式支持集团多个业务，提供业界前沿的技术能力与解决方案。 1、参与业内前沿的同传（同声传译）大模型项目，深入了解大型语言模型的策略迭代过程，协助完成数据标注和模型评测的落地实施； 2、参与同传大模型的策略迭代：协助收集和分析市场需求，参与制定同传大模型的产品策略和迭代计划；跟进产品开发、测试进度，与算法与工程技术团队合作，确保产品功能按时高质量交付；关注各场景的用户反馈，分析线上产品模型输出效果表现，分析后提出优化迭代方案； 3、模型数据标注支持：协助制定数据标注方案，确保数据符合模型训练要求；与内部标注团队沟通，跟进标注进度，保证数据质量；协助优化数据标注流程，提高效率和质量； 4、模型评测落地：参与设计模型评测标准和评测方法，确保评测过程客观、公正、全面；组织和实施模型评测，收集评测数据和结果；分析评测结果，与技术团队讨论，推动模型优化提升。